SILC-S
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- ETH Zurich,DeepMind,Google,Technical University of Munich
- Tipo di organizzazione
- Academia,Industry,Industry,Academia
- Paese
- Switzerland, United Kingdom of Great Britain and Northern Ireland, United States of America, Germany
- Pubblicato
- 20 October 2023
- Autori
- Muhammad Ferjad Naeem, Yongqin Xian, Xiaohua Zhai, Lukas Hoyer, Luc Van Gool, Federico Tombari
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision
- Compito
- Image classification, Image segmentation
- Modello di base
- SILC-S* (86M)
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 86M
- Dati di addestramento
- tokens
"SILC models set a new state-of-the-art for these tasks at ViT/B16 model size" (https://arxiv.org/pdf/2310.13355, page 5). VIT/B16-224 has 86.6M parameters, and VIT/B16-384 has 86.9M parameters (https://huggingface.co/google/vit-base-patch16-224, https://huggingface.co/google/vit-base-patch16-384), so I will assume SILC-S has 86M parameters.
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Likely
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- SILC: Improving Vision Language Pretraining with Self-Distillation
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
SILC-S è stato pubblicato da ETH Zurich,DeepMind,Google,Technical University of Munich, nel paese registrato come Switzerland, durante October 2023. Esce da un'organizzazione categorizzata come academia,Industry,Industry,Academia.
Funziona nel dominio di Vision, ed è registrato come eseguire il compito di image classification, Image segmentation.
Costruisce su SILC-S* (86M). La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Risposte
SILC-S — domande comuni
SILC-S— quanti parametri ha?
Ha un numero di parametri di 86M. "SILC models set a new state-of-the-art for these tasks at ViT/B16 model size" (https://arxiv.org/pdf/2310.13355, page 5). VIT/B16-224 has 86.6M parameters, and VIT/B16-384 has 86.9M parameters (https://huggingface.co/google/vit-base-patch16-224, https://huggingface.co/google/vit-base-patch16-384), so I will assume SILC-S has 86M parameters. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
SILC-S— chi l'ha creato?
È stato pubblicato da ETH Zurich,DeepMind,Google,Technical University of Munich, basato su Switzerland, un'organizzazione categorizzata come academia,Industry,Industry,Academia.
SILC-S— quando è stato rilasciato?
È stato pubblicato in October 2023. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
SILC-S— A cosa serve?
Funziona nel dominio di Vision, e viene registrato come gestire il compito di image classification, Image segmentation. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
SILC-S— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
SILC-S— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.